随机共振自从在上个世纪八十年代被提出以来,经过将近三十年的发展,在理论和实验研究中取得了很多成果,也应用于物理、化学、生物学、通信、信息论、电子学、光学、超导、神经网络等众多领域,其中它在微弱信号检测上的应用,引起众多学者的关注。本文针对经典双稳态随机共振系统存在的饱和现象,为此我们提出一种新的分段混合随机共振模型,并对它进行了深入研究,探讨了其在绝热近似条件下和大参数条件下的微弱信号检测问题。　　 本文首先通过布朗粒子在宏观层次的运动方程和随机层次的随机力的描述来阐述了朗之万方程:介绍了绝热近似理论,研究了双稳态模型的势函数,解释了随机共振产生的因为；通过对经典双稳态随机共振模型的数值仿真研究,分析了驱动信号幅值、系统参数和噪声对随机共振系统的影响。　　 其次,本文在理论上分析了经典双稳态随机共振模型存在饱和现象,并通过数值仿真加以验证；针对新的随机共振模型——分段混合随机共振模型,分析了其不存在饱和的因为；通过分段混合模型与经典双稳态模型的对比研究发现,分段混合随机共振系统不仅有更好的系统输出信噪比,而且能在强噪声条件下进行微弱信号检测；　　 接着,本文分析了分段混合模型在大参数条件下存在的问题,借鉴经典双稳态随机共振模型在大参数条件下的微弱信号检测方法,将频移和变尺度两种方法应用于分段混合模型,并分别进行了深入的研究。对于频移随机共振系统,研究了频移信号对系统的影响；对于变尺度随机共振系统,分析了驱动信号频率、采样频率、压缩尺度三者之间的关系,并研究了其在强噪声条件下的微弱信号检测。　　 最后,本文分析了采用频移和变尺度两种方法进行微弱信号检测的优缺点,将两种方法结合在一起应用于分段混合模型,并对频移变尺度随机共振系统展开了研究,发现它能够取长补短,很好地继承了两种方法的优点,能够在大参数条件下检测出微弱信号。